AWS Bedrock

Amazon Bedrock est un service d'IA entièrement géré par Amazon Web Services qui offre un accès API unifié aux modèles de fondation de plusieurs fournisseurs : Anthropic (Claude), Meta (Llama), Mistral AI, Amazon (Nova, Titan), Cohere, AI21 Labs et Stability AI. Lancé en disponibilité générale en septembre 2023, il s'est depuis développé pour propulser l'IA générative de plus de 100 000 organisations à travers le monde. La différence fondamentale par rapport aux API de modèles directes réside dans l'environnement AWS : chaque requête passe par l'authentification IAM, chaque frais est imputé sur votre compte de facturation AWS existant, et AWS interdit contractuellement l'utilisation de vos données pour entraîner des modèles. Pour les équipes déjà standardisées sur l'infrastructure AWS, Bedrock est la voie la plus simple vers une IA de niveau production.

Au-delà de l'accès brut aux modèles, Bedrock propose une pile de services gérés qui se superposent à l'inférence. Bedrock AgentCore gère le déploiement et l'exploitation d'agents multi-étapes à l'échelle de la production. Knowledge Bases fournit une couche RAG gérée avec indexation automatique, recherche sémantique et routage de sous-requêtes d'agents sur des documents stockés dans S3. Guardrails applique des politiques de sécurité du contenu à l'aide de vérifications logiques formelles, affirmant bloquer jusqu'à 88 % des contenus nuisibles et valider les réponses avec une précision allant jusqu'à 99 %. Model Distillation crée des dérivés plus petits et plus rapides de modèles plus vastes, AWS citant des gains de vitesse allant jusqu'à 500 % et des réductions de coûts de 75 %. Intelligent Prompt Routing dirige automatiquement les requêtes vers le modèle le plus performant en fonction de vos objectifs de coût et de latence. Cross-Region Inference gère automatiquement le basculement entre les régions AWS. Cette combinaison fait de Bedrock une couche d'infrastructure d'IA complète, et non un simple catalogue de modèles.

Ce que fait réellement AWS Bedrock en avril 2026

En avril 2026, le catalogue de modèles de Bedrock couvre la gamme la plus large de tous les services d'IA cloud gérés. Du côté d'Anthropic, Claude Opus 4.7 est devenu disponible le 20 avril 2026, avec une fenêtre de contexte complète de 1 million de tokens, l'Adaptive Thinking (allocation dynamique du budget de tokens en fonction de la complexité de la requête) et la prise en charge d'images haute résolution pour les graphiques et les documents denses. Claude Opus 4.5, 4.6 et 4.7 sont tous disponibles via l'inférence inter-régions mondiale, avec un routage automatique vers la capacité disponible dans les régions des États-Unis, d'Europe et d'Asie-Pacifique, jusqu'à 10 000 requêtes par minute et par compte.

La propre famille Nova d'Amazon, lancée lors de re:Invent 2024, comprend désormais quatre niveaux de capacité. Nova Micro traite le texte à $0.035 par million de tokens en entrée, l'option la plus rentable du catalogue. Nova Lite ajoute la compréhension des images et des vidéos à $0.06 par million d'entrées. Nova Pro gère le raisonnement multimodal complexe à $0.80 par million. Nova Premier répond aux tâches les plus exigeantes. Au-delà du texte, la suite Nova couvre Nova Canvas (génération d'images), Nova Reel (vidéo) et Nova Sonic (voix à voix). Cela fait de Bedrock la seule plateforme cloud gérée où Amazon est en concurrence directe en tant que créateur de modèles aux côtés des fournisseurs tiers qu'elle héberge également.

La couche Guardrails de Bedrock mérite une attention particulière car elle fonctionne indépendamment du modèle. Elle s'exécute comme une couche de politique distincte entre votre application et n'importe quel modèle du catalogue, appliquant les mêmes règles de filtrage de contenu, de détection des PII, de blocage des injections de prompts et de validation factuelle, quel que soit le modèle qui traite la requête. Pour les secteurs réglementés, il s'agit d'un avantage architectural significatif : une seule configuration Guardrails s'applique à Claude, Nova et Llama sans reconfiguration par modèle.

Où se situe AWS Bedrock par rapport à Vertex AI et Azure OpenAI

Les trois principales plateformes d'IA cloud gérées s'appuient chacune sur une force principale différente, et les différences sont structurelles, pas seulement marketing.

Vertex AI (Google Cloud) est l'option la plus solide pour les équipes dont les flux de données sont centrés sur BigQuery. Vertex intègre directement BigQuery pour les pipelines de données d'entraînement et l'évaluation des modèles d'une manière qui ne nécessite aucun raccordement manuel. Son interface de fine-tuning offre un contrôle total sur les paramètres d'entraînement avec des capacités d'entraînement distribué, tandis que le fine-tuning de Bedrock est une interface gérée couvrant un sous-ensemble limité de modèles. La surveillance des modèles intégrée de Vertex inclut la détection de dérive et l'attribution de caractéristiques prêtes à l'emploi. L'équivalent chez Bedrock nécessite une instrumentation CloudWatch personnalisée. Concernant l'accès aux modèles, Vertex se concentre sur la famille Gemini et les modèles ouverts proches de Google via Model Garden ; Bedrock propose un catalogue tiers plus large incluant Anthropic, Meta et Mistral, bien qu'aucun ne propose les modèles propriétaires phares de l'autre.

Azure OpenAI Service est la seule voie d'accès aux modèles GPT d'OpenAI sous des SLA d'entreprise. Bedrock ne propose pas GPT-4o ni aucun modèle OpenAI. Les catalogues sont mutuellement exclusifs, ce qui rend la comparaison Bedrock contre Azure simple pour les équipes ayant une forte dépendance à GPT : Azure est la seule réponse. Pour les équipes flexibles sur la famille de modèles, les PTU (Provisioned Throughput Units) régionaux d'Azure peuvent offrir jusqu'à 40 % d'économies par rapport à la tarification à l'utilisation pour des volumes élevés, ce qui est particulièrement attractif pour les charges de travail intensives en GPT. L'authentification d'Azure s'intègre nativement avec Azure Active Directory et l'écosystème plus large de Microsoft 365 ; Bedrock s'intègre avec AWS IAM et Organizations. Le choix se résume souvent à : quel cloud est votre infrastructure principale ?

"Rien ne crie plus 'plateforme d'IA prête pour la production' que d'avoir besoin d'un guide complet juste pour gérer toutes les fois où elle vous dit de passer votre chemin." - Corey Quinn, newsletter Last Week in AWS, 2025

L'avantage structurel de Bedrock sur les deux autres est l'étendue de ses modèles multi-fournisseurs avec une facturation et une gouvernance de sécurité centralisées. Si vous avez besoin du dernier Claude d'Anthropic et du dernier Llama de Meta dans la même application, routés et facturés sous un seul compte AWS régi par IAM, Bedrock est la seule option gérée qui offre cela proprement.

À quoi ressemble la réalité du déploiement en production

Les capacités théoriques de Bedrock tiennent la route en pratique pour les équipes natives AWS disposant de comptes établis et de niveaux de support d'entreprise. Les frictions surviennent sur deux axes : l'ancienneté du compte et l'échelle.

Les nouveaux comptes AWS sont confrontés à des limites de limitation (throttling) qui sont, de façon réaliste, trop basses pour un développement sérieux. Les quotas par défaut en 2025 sont aussi bas que 2 requêtes par minute pour les modèles Claude sur les nouveaux comptes, tandis que les comptes établis sur les mêmes modèles voient plus de 200 rpm. L'écart est documenté, mais la résolution nécessite d'ouvrir un ticket de support, de démontrer votre cas d'usage à un représentant AWS et d'attendre une augmentation manuelle du quota. Il n'y a pas de voie d'expansion de quota en libre-service. Pour les startups et les développeurs individuels, cela rend le prototypage initial véritablement pénible, d'une manière que les services concurrents ne reproduisent pas.

À grande échelle, l'infrastructure multi-locataire de Bedrock introduit une variance de latence que le débit provisionné résout, mais à un coût important. L'engagement minimum pour le Provisioned Throughput commence autour de $15,000 par mois, ce qui est correctement positionné à l'échelle de l'entreprise mais laisse un vide pour les équipes exécutant des charges de travail de production à volume modéré.

Le service RAG Knowledge Bases fonctionne bien pour la récupération simple de documents, mais opère comme une boîte noire gérée. Les stratégies de découpage (chunking) sont fixes, les paramètres d'indexation ne sont pas exposés, et les équipes nécessitant un contrôle précis sur le comportement de récupération abandonnent régulièrement la solution gérée au profit de pipelines personnalisés utilisant Pinecone ou OpenSearch. Le service accélère l'obtention d'une preuve de concept mais se heurte souvent à des murs avant d'atteindre une qualité de récupération de niveau production.

"CloudWatch vous donne des journaux bruts et des métriques de base comme InvocationLatency, mais il manque de contexte spécifique aux LLM." - TrueFoundry, Amazon Bedrock Review 2026

L'observabilité est le troisième point de friction en production. CloudWatch capture la latence et les taux d'erreur mais ne comprend pas les conversations, les agents ou l'attribution des coûts des tokens au niveau de la couche applicative. Les équipes exécutant des charges de travail d'IA en production ajoutent généralement LangFuse, la couche d'observabilité LLM de Datadog, ou TrueFoundry pour obtenir le coût par conversation, le débogage au niveau des traces et le suivi des dépenses par équipe. AWS a ajouté l'attribution des coûts basée sur les principaux IAM en avril 2026, ce qui aide à attribuer les coûts entre les équipes, mais le contexte LLM par requête reste une lacune dans les outils natifs.

Pour qui AWS Bedrock est conçu

Bedrock est particulièrement adapté aux entreprises et aux organisations du marché intermédiaire qui sont déjà profondément ancrées dans l'infrastructure AWS. Les équipes utilisant S3, Lambda, IAM Organizations et les VPC en tirent une valeur immédiate : il n'y a pas de nouvelles relations fournisseurs à gérer, pas de clés API à renouveler, pas d'accords fournisseurs distincts à signer. Tout est AWS. Les équipes de conformité dans les secteurs réglementés (santé, finance, gouvernement) bénéficient des garanties contractuelles de non-utilisation des données de Bedrock et de la capacité de s'exécuter dans un environnement AWS existant éligible FedRAMP ou HIPAA sans étendre le périmètre de conformité à un nouveau fournisseur.

Le catalogue multi-modèles fait de Bedrock la bonne réponse pour les équipes qui ont besoin de flexibilité de modèles au fil du temps : la capacité d'exécuter Claude pour un raisonnement de haute complexité, Nova Micro pour des tâches à volume élevé sensibles aux coûts, et Llama pour des cas d'usage à poids ouverts (open-weight), le tout sous une seule entité de facturation et régi par une seule politique de sécurité. La conception indépendante des modèles de Bedrock Guardrails est particulièrement précieuse ici, car les filtres de conformité appliqués une fois couvrent l'ensemble du catalogue.

Ce que n'est pas AWS Bedrock

Bedrock n'est pas un bon point de départ pour les développeurs novices sur AWS qui souhaitent expérimenter rapidement avec des modèles de pointe. La complexité de configuration est réelle et bien documentée : Simon Willison a décrit l'intégration comme nécessitant environ 17 étapes, y compris la création de politiques IAM et la configuration des clés d'accès, "horriblement difficile" comparé à l'obtention d'une clé API Anthropic ou OpenAI. Combinées aux seuils de limitation des nouveaux comptes, les premières heures sur Bedrock sont systématiquement la pire partie de l'expérience.

Bedrock n'est pas une voie d'accès aux modèles OpenAI. Si votre application dépend de GPT-4o ou de tout autre modèle de la famille OpenAI, Azure OpenAI Service est la seule option d'entreprise gérée. Le catalogue de Bedrock n'inclut aucun modèle OpenAI et rien n'indique que cela changera.

Bedrock n'est pas une plateforme d'observabilité de niveau production prête à l'emploi. Ce n'est pas une couche de mise en cache sémantique : des requêtes identiques génèrent des coûts d'inférence identiques à chaque fois. Il n'inclut pas de logique de basculement de modèle intégrée ; si Claude renvoie une erreur 500, votre application gère la nouvelle tentative ou elle échoue. Les équipes soucieuses de la fiabilité en production devront instrumenter Bedrock avec des outils supplémentaires pour atteindre la maturité opérationnelle, ce qui ajoute des coûts d'ingénierie que les offres plus intégrées des concurrents évitent parfois.

Ignorez Bedrock lorsque votre équipe n'est pas déjà engagée avec AWS, lorsque vous avez principalement besoin de modèles OpenAI avec les garanties de conformité de Microsoft, ou lorsque vous avez besoin d'un prototypage rapide et sans friction sans passer une semaine à configurer des politiques IAM et à soumettre des tickets d'augmentation de quota.